Pendant les années 1980, et alors que la visioconférence peine à se trouver une place dans les milieux professionnels [7], de nouveaux dispositifs de visiocommunication, appelés « Media Space » sont développés et expérimentés aux Etats-Unis et en Angleterre, dans le cadre des recherches sur le travail coopératif (CSCW [8] ). Selon l’un de ses premiers concepteurs, un Media Space est « un contexte électronique dans lequel des groupes de personnes peuvent travailler ensemble, même lorsqu’elles ne résident pas dans le même lieu ou ne sont pas présentes au même moment. Dans un « Média Space » les personnes peuvent créer des environnements visuels et acoustiques en temps réel qui recouvrent des zones physiquement séparées » [9]. Cette définition souligne explicitement la spécificité des Media Space par rapport à la visioconférence : tandis que celle-ci accompagne une communication planifiée pour un temps limité entre des utilisateurs identifiés, ceux-là instaurent une liaison quasi constante entre des lieux et ambitionnent de se constituer eux-mêmes en environnements pour l’action. Sous l’égide d’une alliance entre des ingénieurs, des Centres de recherche et développement et des spécialistes de sciences humaines (sociologues, psychologues, ergonomes), de nombreux Media Space furent mis au point et testés auprès d’utilisateurs dans le contexte de situations de travail [10]. Les locaux de Xerox PARC en Californie furent parmi les premiers à être connectés à ceux de Xerox à Portland [11]. Aux Media Space reliant des bureaux géographiquement éloignés se sont ajoutés des dispositifs de visiocommunication connectant des lieux publics, comme des couloirs ou des cafétérias, plutôt destinés à favoriser la communication informelle entre salariés, tels que Video Window chez Bellcore [12].

Si la diversité de ces terrains d’étude aide à générer de nouveaux questionnements, par exemple sur la capacité de la visiocommunication à soutenir la production d’espaces judiciaires virtuels (Licoppe), la plupart des articles de ce numéro abordent également des interrogations classiques sur l’organisation des interactions en visiocommunication, comme les ouvertures ou les clôtures d’interactions distantes. Ils s’inscrivent ainsi dans le sillage d’une série de travaux réalisés au cours des années 1980 et 90, qui se caractérisent par leur intérêt commun pour l’analyse d’activité par l’observation d’enregistrements audio-vidéo. On peut rendre compte de ces études en distinguant deux axes principaux d’interrogation. Le premier concerne la façon dont la visiocommunication modifie l’organisation des interactions en coprésence ; le second interroge le statut de l’objet technique dans l’interaction et éclaire la façon dont les participants aux interactions visiocommunicationnelles s’ajustent progressivement à leurs propriétés singulières.

Dans les situations d’interaction médiatisée, comme la vidéocommunication, les locuteurs, parce qu’ils se voient, mobilisent leurs répertoires gestuels de façon assez similaire à ce qu’ils font en face-à-face. Cependant l’interposition des écrans, la limitation des champs des caméras et la singularité des orientations de leurs axes constituent autant de facteurs qui fragilisent considérablement l’adéquation entre les gestes et la parole [17]. Or, des difficultés répétées pour associer le geste à la parole ont pour conséquence de produire une gêne chez les interactants, qui ne parviennent plus à se comprendre. Enfin, dans la mesure où les interactants sont engagés non pas seulement dans un exercice d’intercompréhension mutuelle, mais dans une activité pratique, comme par exemple produire une invitation, annoncer une nouvelle, ou raconter une histoire, une mauvaise synchronisation du geste et de la parole menace précisément l’intelligibilité de ce qu’ils sont en train de faire. Dans ces conditions, il est bien évident que la qualité de l’image, mais également la précision de sa synchronisation avec le son, ou bien encore la possibilité de pouvoir entendre les réactions d’un auditeur pendant la production d’un tour de parole constituent des ressources essentielles dans la réalisation d’une communication visiophonique viable.

Cette fragmentation a une conséquence très générale : les actions les plus élémentaires, comme les gestes de pointage ou de référence à des objets ou des personnes présents autour de soi, sont sources de malentendus répétés. Ces problèmes interviennent de plus à la fois au niveau de la production de l’action et de sa reconnaissance [20]. Le cas des gestes déictiques (ou de pointage) a été ainsi extensivement étudié dans la littérature. Pour des besoins d’illustration, nous distinguerons deux cas de figure :

La vidéocommunication dissocie ainsi l’action de son environnement, en multipliant les représentations des contextes dans lesquels se trouvent les interlocuteurs. Cette fracture entre les engagements concernant un environnement proximal et un environnement distant (séparation que les dispositifs de visiophonie contribuent à produire et stabiliser) atteint les fondements de l’interaction interpersonnelle et la communication, car elle fragilise la production comme la reconnaissance d’actions intelligibles. Les chercheurs anglais en tirent des conclusions assez pessimistes sur l’utilisation des dispositifs visiophoniques pour les activités collaboratives. Parce que l’écologie est irréductiblement « fracturée » [21], il s’agit d’un média « cruel » et « peu gratifiant » pour ce genre d’activité [22].

Au cours de leur socialisation, les agents sociaux ont, explique de Fornel [24], acquis une maîtrise pratique et routinière de la logique de l’interaction. Ils savent, par exemple, à quelle distance de l’autre il faut se situer, quelle hauteur de la voix adopter, quelle gestualité mettre en Å“uvre, et ce, en fonction d’un ensemble complexe de critères, comme le contexte environnemental et social, le degré de familiarité avec l’autre (ou les autres), le nombre d’interactants, leur âge, etc. Avec le visiophone, un ensemble de nouvelles « contraintes » apparaissent : les personnes doivent se positionner par rapport à la caméra, déterminer à quelle distance se placer par rapport à la caméra, utiliser la touche contrôle, maximiser la qualité sonore). Les usagers doivent alors réapprendre à interagir ensemble de façon compétente.

Communiquer par visiophone n’est pas équivalent au fait de regarder une image plus ou moins nette, plus ou moins claire, en y ajoutant des paroles. Alors que certains utilisateurs du visiophone ne réussissent pas à maîtriser la mise en forme de l’interaction visiophonique et se reportent sur le mode maîtrisé de l’interaction téléphonique, venant alors à se regarder téléphoner [25], d’autres parviennent, par des consignes de positionnement interactionnel, à maîtriser ce savoir-faire. C’est seulement dans ce cas que le visiophone se transforme en « artefact interactionnel » : son statut d’objet technique médiatisant la communication passe à l’arrière-plan et il devient un simple élément du contexte interactionnel [26]. Cette stabilisation de l’interaction visiophonique repose notamment sur deux niveaux d’organisation distincts.

A la différence d’un outil qui amplifie des capacités humaines, le visiophone constitue un « artefact interactionnel », au sens où son usage conduit les participants impliqués à restructurer leur activité interactionnelle ordinaire [30]. L’examen de cette dimension suppose un travail sur la durée. C’est sans doute la raison pour laquelle elle est rarement traitée dans les études associées à des expérimentations ponctuelles. Le cadre des expérimentations de Biarritz s’est avéré particulièrement fécond dans la mesure où les usages des particuliers ont pu être observés durant plusieurs années.

Ce numéro présente une série d’analyses sur les interactions visiophoniques réalisées non seulement avec des systèmes différents mais surtout dans des contextes d’activité très variés et qui témoignent bien de la diffusion actuelle de ces dispositifs : activités hospitalière (Mondada), judiciaire (Licoppe et Dumoulin, ce numéro), administrative, autour de la relation de service entre ANPE et demandeur d’emploi (Velkovska et Zouinar), des réunions professionnelles dans de grandes entreprises de services (Bonu ; Lahlou), des interactions informelles, « en passant », dans les espaces publics urbains et entre les couloirs de deux sites d’une entreprise (Relieu). L’ensemble de ces études donne pour la première fois au lecteur la possibilité de comparer la manière dont la visiocommunication se décline au pluriel, dans des types d’activité très différentes.

Tout en mobilisant les outils de l’analyse interactionnelle, plusieurs auteurs se distancient des cadrages théoriques centrés sur l’interaction (médiatisée ou non) comme domaine d’étude autonome, et s’interrogent sur les relations entre interaction et activité. Dans leur analyse des usages d’un système visiophonique utilisé par l’administration à titre expérimental, J. Velkovska et M. Zouinar s’efforcent, par exemple, de situer ces interactions dans le cadre de l’établissement de la relation de service avec l’administration ; la démarche de conception de salles de vidéoconférence proposée par Saadi Lahlou est plutôt centrée sur l’activité de réunion que sur l’interaction. Par ailleurs, lorsque des questions telles que l’ouverture ou la terminaison des interactions sont abordées (cf. les articles de L. Mondada, C. Licoppe, M. Relieu, et B. Bonu) elles sont envisagées plutôt comme des problèmes pratiques imbriqués dans des environnements matériels et organisationnels que comme des tâches génériques.

L’apprentissage de l’interaction visiophonique passe donc par une mobilisation différente des routines conversationnelles (et en particulier celles qui présentent un caractère séquentiel). Celles-ci ne sont plus accomplies de manière préréflexive mais peuvent, selon les circonstances, devenir des « objets de l’enquête [33] » ou des instruments utilisés à la fois pour interagir et pour éprouver la qualité de l’interaction. Au sens de la théorie de l’activité, on peut dire que l’apprentissage des compétences nécessaires à la conduite des interactions visiophoniques conduit à un « développement » de l’activité interactionnelle [34]. De la même façon que la présence et l’usage d’un « artefact cognitif » conduit à une remédiation et une redistribution du travail cognitif et du système de personnes et d’artefacts qui « accomplit » l’opération cognitive en question [35], le visiophone constitue un « artefact interactionnel [36] » au sens où il invite à une remédiation de l’activité interactionnelle, et à une reconfiguration du système de personnes et d’artefacts « en interaction ».